〈工業技術與資訊〉挖掘AI時代的台灣優勢

工業技術與資訊月刊2022年3月13號10點0分

撰文／陳怡如

從 5G、物聯網、自駕車，到近期正夯的元宇宙，AI 人工智慧已滲入全面人類生活。未來 10 年 AI 將進入市場擴增期，成為智慧化的主旋律，也是產業轉型升級的關鍵。工研院舉辦「以人為本 x 跨域創新」AI 人工智慧產業論壇，挖掘 AI 在環境、製造、晶片、生醫與服務領域的應用，以及臺灣 AI 紀元的挑戰與優勢。

1956 年，人類史上首度出現 AI 這個名詞；60 年後，AlphaGo 擊敗世界棋王冠軍，AI 一戰成名，從實驗室大步走向市場。根據麥肯錫全球研究院（McKinsey Global Institute）預估，2030 年 AI 人工智慧產值將高達 13 兆美元，每年能為全球 GDP 成長率貢獻 1.2%，其中又以 AI 結合大數據、邊緣運算晶片、智慧醫療和無人載具等領域，最被外界關注。

工研院總營運長余孝先在為論壇引言時指出，AI 應用有四大重點，一是協助各行各業創新轉型的「產業 AI 化」；另一是在產業 AI 化過程中，因累積或挖掘到共通性需求或痛點後，衍生出更大的 AI 需求與商機，進而創造出 AI 產業，也就是「AI 產業化」。

第三是「AI 平民化」，不只是大企業，也要讓中小企業能導入 AI，或是讓一般民眾受惠於 AI。比如工研院研發的 AI 眼底鏡，讓許多偏鄉、缺少眼科醫療資源的糖尿病患者，能透過 AI 判別眼部病變，讓糖尿病患者的眼睛檢查率從 30% 提升到 50%。

「現在還有第四點，就是『政府 AI 化』，」余孝先指出，AI 不僅能提升企業競爭力，也能協助政府提升競爭力，包括可讓人力密集的工作效率提升，例如英國利用 AI 提高福利系統資源運用效率；也可讓政府更精準、更及時地提供服務，例如美國運用 AI 進行道路鋪面損壞評估等等。

工研院人工智慧應用策略辦公室主任蘇孟宗表示，工研院「2030 技術策略與藍圖」中，AI 的應用歸屬在「智慧化致能技術」，正是「智慧生活」、「健康樂活」與「永續環境」三大應用領域的重要後盾。

蘇孟宗以「以人為本．跨域創新」的角度來論述 AI。在以人為本上，儘管有些工作會被 AI 取代，「但重要的是如何讓 AI 協助人，甚至是讓人的價值提升。」而跨域創新，則是要善用各個產業的優勢，結合 AI 創新，形成臺灣產業生態鏈的特殊綜效，「AI 貫穿其中，是跨界的靈魂之一。」

Appier 與 iKala 科技董事簡立峰指出，近年來臺灣年輕世代對於人工智慧科技非常投入，也開始有新創獨角獸出現。此外，AI 人工智慧技術也可以協助提升半導體製程的良率、降低成本，甚至可能加速晶片設計自動化，尤其臺灣應該是全世界少數最適合發展半導體與晶片產業 AI 化的地方，在電動車產業也有類似的機會。

運用 AI 智慧建立韌性科技

台灣人工智慧實驗室（Taiwan AI Labs）創辦人杜奕瑾指出，這次疫情讓大家意識到，經濟發展絕不能只重視 GDP 成長，還要兼顧能源、氣候和永續發展議題。2021 世界經濟論壇（WEF）風險報告提到，企業要永續發展，「韌性維度 R」（Resilience）是重要關鍵字之一，而 AI 則是建立韌性的解方。比如將 AI 應用在精準醫療、氣候變遷、零接觸技術中，或是發展符合資安隱私的元宇宙；在淨零碳排趨勢下，AI 也能協助建構再生能源所需要的智慧電網。

為了構築產業與國家所依賴的韌性科技，臺灣也在 2021 年初成立「臺灣聯合學習產業大聯盟」（TAIFA），特別採用「聯邦式學習」（Federated Learning）的去中心化模式，把資料留在原本的個人或組織，讓 AI 模組到每個組織去做 AI 的訓練，兼顧了數位經濟與個人隱私問題；也因此在疫情期間，Taiwan AI Labs 能很快推出以 AI 做胸部 X 光影像判讀、社交距離 APP 等服務，「臺灣可說是全世界第一個在 AI 醫療應用，倡議用聯邦式學習的國家。」

杜奕瑾認為，比起大國戰略，臺灣應當善用「小國優勢」發展「可信任」技術，「在以人為本的跨域創新上，相信以我們的數位平台、軟硬整合的實力，加上對人權隱私的保障，發展出國際可以信賴的 AI 聯合學習機制與技術，跨國結盟，率先建立疫後數位新韌性。」

「聯邦式學習」的去中心化模式，把資料留在原本的個人或組織，讓 AI 模組到每個組織去做 AI 的訓練，兼顧了數位經濟與個人隱私問題。

串聯 IC 產業鏈壯大臺灣 AI 實力

工研院電子與光電系統研究所所長吳志毅則提出「AI x IC」的概念。他認為，臺灣 AI 若要在國際上更有競爭力，還是要回到半導體強項。以雲端的 AI 晶片解決方案來說，雖然運算力強大，但相當耗電、非即時性又有安全顧慮，「就臺灣而言，可以發展的是新興的邊緣運算 AI 晶片。」

隨著下世代 AI 應用產品如智慧駕駛車、消費性與企業用機器人、智慧無人機，甚至是近來熱門的元宇宙硬體裝置等發展，AI 晶片如何解決「少量多樣」和「低功耗」是兩大重點。

為此工研院在經濟部支持下，在 2019 年成立「臺灣人工智慧晶片聯盟」（AITA），串聯臺灣 IC 設計、封測、軟體、系統整合應用等 128 家廠商，共組四大技術委員會，包含 AI 系統應用、異質 AI 晶片整合、新興運算架構 AI 晶片、AI 系統軟體，提供 IC 設計工具、矽智財 IP、驗證平台等資源，「希望協助更多國內中小型的 IC 新創公司，壯大臺灣 AI 實力。」

軟硬整合發揮臺灣製造強項

除了結合臺灣 IC 產業的強項，製造業也能受惠 AI 技術發展。工研院人工智慧應用策略辦公室副主任馮文生舉例，過去瑕疵檢測都需要大量人工複檢，為此工研院開發 PCB／PCBA 的瑕疵檢測技術，在檢測設備上結合 AI 影像判讀，可自動過濾一半假瑕疵數量，不僅檢測產能提升 25%，機台硬體加上 AI 後，價值更增 10 倍。但是目前企業導入 AI 的過程中，仍然面臨諸多挑戰，比如人才短缺、資料收集與標註耗時、缺乏產業應用工具等因素，造成 AI 應用落地並不如預期普及，根據統計，企業平均導入 AI 的時間需長達 8 個月。

馮文生表示，為了解決這一問題，目前業界提出「AI 工程化」（AI Engineering）的概念，希望讓 AI 的應用從資料整備標註、模型開發、應用部署，到後續調校維護等步驟都可以更自動化，「不只是做模型演算法或資料標記，而是所有流程的自動化，才能加速 AI 應用落地。」

AI 自主決策標準是挑戰

工研院機械與機電系統研究所所長胡竹生認為，導入 AI 的最大挑戰，「最重要的就是『自主決策』。」過去應用在自動化流程中的諸多決策，現已無法用事前簡單的邏輯或規則，去定義 AI 複雜的自主決策模式。以自駕車來說，當人類駕駛看到路上有顆球滾出來，便會自動判斷附近可能還有小孩，因而放慢車速，「但要如何讓自駕車也學習這樣的推理過程？」也因此，以資料與數字為主的計算網路，以及經由迴授資訊，不斷自我修正的方法，雖然在實際應用上已經有驚人的進展，但技術上要能強化和制定這些自主決策系統的標準，仍是目前業界面臨最大的挑戰。

AI 落地不只是強化既有應用，還能帶來新的經濟模式。早在 2015 年，AlphaGo 還沒跟戰勝圍棋棋王之前，人工智能公司董事長張榮貴就已率先布局 AI 服務機器人（Chatbot）。今年因為疫情，百貨公司封閉，他順勢發展「線上櫃姐」的服務模式，讓櫃姐利用社群媒體推播商品、聊天互動、進行導購，「所以服務機器人不是只有做服務，而是一種智慧商務，我們把機器人變成未來商務的新形態，我稱為『對話式商務』。」

至少要知道「什麼是 AI 可以做的」

未來 AI 應用百花齊放，年輕一代該如何精進自己面對 AI 挑戰？Appier 首席科學家林守德認為，若未來想鑽研 AI 技術者，一定要思考實用性，「AI 現在不只是研究，而是要能落地，馬上進入業界、造福人群，」若未來不走 AI 研究，也要學著了解 AI，「未來 AI 就像網路、電腦一樣普及，你不能不懂，至少要知道什麼是 AI 可以做的，能如何幫助自己。」

本身是癌症生物學博士，同時也是第一位在臺灣大學電機系任教、卻非工程背景的中國醫藥大學醫學工程學院院長莊曜宇，他以自己的「斜槓人生」鼓勵年輕人，「跨域學習現在已經是趨勢，在未來競爭的社會裡，只有單一專業會比較辛苦，所以年輕人絕對不要懼怕挑戰！」

陽明交通大學資訊工程系暨數據科學所講座教授曾新穆，則歸納了自身 20 多年的研究生涯，提出 4F 概念，也就是「Focus」（專注）、「Fool-Like」（愚公移山的精神）、「Fulfillment」（真實應用的實現）以及「Fun」（做自己有興趣的事），「很多現在的 AI 跟創新應用，以前講的時候都像天方夜譚，所以不要害怕設定高目標。」AI 紀元已經到來，期待更多新血加入，為臺灣在下一世代打造出更多的跨域創新。